掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
以利為利:財政關(guān)系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿(mào)易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索+廣告+推薦案例 版權(quán)信息
- ISBN：9787302648109
- 條形碼：9787302648109 ; 978-7-302-64810-9
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索+廣告+推薦案例 本書特色
本書全面介紹了搜索引擎、廣告系統(tǒng)和推薦系統(tǒng)的各個模塊
本書包含豐富的阿里、字節(jié)和美團等互聯(lián)網(wǎng)大廠的實際應用案例
本書介紹了與策略產(chǎn)品經(jīng)理工作緊密相關(guān)的機器學習知識，能夠讓讀者深入理解策略優(yōu)化的底層邏輯
搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索+廣告+推薦案例 內(nèi)容簡介
《搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索 廣告 推薦案例》通過通俗易懂的語言和生動形象的案例向讀者介紹互聯(lián)網(wǎng)大廠的搜廣推產(chǎn)品技術(shù)體系和前沿的 AI 技術(shù)應用，是一本兼具 AI 技術(shù)理論和行業(yè)策略優(yōu)化實踐的工具書。
本書分為 6 章，第 1 章介紹 AI 時代下的新型產(chǎn)品經(jīng)理崗位——策略產(chǎn)品經(jīng)理；第 2 章介紹策略產(chǎn)品經(jīng)理 的機器學習基礎(chǔ)知識；第 3、 4、 5 章分別介紹當前互聯(lián)網(wǎng)大廠的推薦場景、搜索場景和廣告場景里的先進策略產(chǎn)品設(shè)計以及落地應用效果；第 6 章結(jié)合行業(yè)實際落地案例介紹前沿的 AI 技術(shù)應用。
本書適合任何對搜廣推策略產(chǎn)品經(jīng)理崗位感興趣的讀者閱讀。在搜廣推領(lǐng)域從事運營和技術(shù)工作的讀者也可通過閱讀本書了解更多產(chǎn)品視角的策略設(shè)計和優(yōu)化思路。
搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索+廣告+推薦案例 目錄
第1章 AI時代下的產(chǎn)品經(jīng)理
1.1 產(chǎn)品經(jīng)理崗位的變遷 / 2
1.2 策略產(chǎn)品經(jīng)理概覽 / 5
1.2.1 策略產(chǎn)品經(jīng)理的具體工作 / 5
1.2.2 策略產(chǎn)品經(jīng)理分類 / 5
1.3 策略產(chǎn)品經(jīng)理的能力要求 / 8
1.4 策略產(chǎn)品經(jīng)理的思維要求 / 9
1.5 互聯(lián)網(wǎng)公司的策略部門 / 10
1.6 小結(jié) / 11
第2章 策略產(chǎn)品經(jīng)理 機器學習知識
2.1 機器學習入門 / 13
2.2 機器學習和AI的關(guān)系 / 14
2.3 機器學習全流程 / 16
2.3.1 問題定義 / 17
2.3.2 數(shù)據(jù)處理 / 19
2.3.3 特征工程 / 21
2.3.4 模型訓練 / 21
2.3.5 模型評估 / 23
2.3.6 模型應用 / 23
2.4 機器學習常見指標 / 24
2.4.1 分類模型離線評估指標 / 24
2.4.2 回歸模型離線評估指標 / 28
2.4.3 聚類模型離線評估指標 / 28
2.5 工業(yè)界常見算法 / 31
2.5.1 邏輯回歸 / 31
2.5.2 K近鄰算法 / 32
2.5.3 貝葉斯模型 / 34
2.5.4 K聚類算法 / 37
2.5.5 決策樹 / 38
2.5.6 深度神經(jīng)網(wǎng)絡 / 43
2.6 梯度下降法 / 50
2.6.1 案例引入 / 50
2.6.2 梯度下降法簡介 / 52
2.7 工業(yè)界算法的選擇 / 54
2.8 小結(jié) / 55
第3章 推薦策略
3.1 引入 / 57
3.1.1 推薦系統(tǒng)應用的標志性事件 / 57
3.1.2 推薦系統(tǒng)興起的原因 / 59
3.2 推薦系統(tǒng)概述 / 60
3.2.1 推薦系統(tǒng)簡介 / 60
3.2.2 推薦系統(tǒng)發(fā)展的4個階段 / 61
3.2.3 推薦系統(tǒng)整體架構(gòu) / 62
3.2.4 常見效果評估指標 / 66
3.3 推薦策略產(chǎn)品經(jīng)理畫像 / 71
3.4 數(shù)據(jù)處理 / 72
3.4.1 常見的底層數(shù)據(jù)表 / 73
3.4.2 數(shù)據(jù)表的加工 / 73
3.4.3 數(shù)據(jù)歸一化和標準化 / 73
3.5 推薦系統(tǒng)召回策略 / 77
3.5.1 3種召回策略 / 77
3.5.2 多路召回架構(gòu) / 79
3.5.3 基于規(guī)則的召回 / 81
3.5.4 基于協(xié)同過濾的召回 / 86
3.5.5 基于向量的召回 / 95
3.5.6 雙塔模型 / 99
3.5.7 召回策略的效果評估 / 102
3.6 推薦系統(tǒng)粗排策略 / 103
3.6.1 基于規(guī)則的粗排策略 / 104
3.6.2 基于模型的粗排策略 / 104
3.6.3 粗排策略效果評估 / 105
3.7 推薦系統(tǒng)精排策略 / 105
3.7.1 學習目標 / 105
3.7.2 算法選擇 / 106
3.7.3 特征構(gòu)造 / 106
3.7.4 特征選擇 / 109
3.7.5 特征編碼 / 112
3.7.6 模型訓練 / 114
3.7.7 效果評估 / 117
3.7.8 模型應用和迭代 / 117
3.8 推薦系統(tǒng)重排策略 / 117
3.8.1 概述 / 118
3.8.2 全局*優(yōu)策略 / 118
3.8.3 用戶體驗策略 / 120
3.8.4 流量調(diào)控策略 / 121
3.8.5 綜合性重排 / 121
3.9 推薦結(jié)果樣式創(chuàng)意策略 / 122
3.9.1 概述 / 122
3.9.2 樣式策略 / 124
3.9.3 創(chuàng)意策略 / 129
3.10 推薦系統(tǒng)用戶體驗策略 / 134
3.10.1 產(chǎn)品功能 / 134
3.10.2 底層策略 / 136
3.10.3 主觀評估 / 137
3.11 推薦系統(tǒng)冷啟動策略 / 138
3.11.1 產(chǎn)品設(shè)計 / 138
3.11.2 底層策略 / 140
3.12 推薦系統(tǒng)的整體推薦機制 / 141
3.12.1 電商推薦場景的流量分發(fā)機制 / 141
3.12.2 短視頻推薦場景的流量分發(fā)
機制 / 142
3.13 AB Test實驗 / 144
3.13.1 AB Test整體介紹 / 144
3.13.2 AB Test實驗完整機制 / 145
3.13.3 實驗效果的可信性評估 / 148
3.14 小結(jié) / 149
第4章 搜索策略
4.1 引入 / 151
4.1.1 搜索引擎的5個時代 / 151
4.1.2 搜索引擎的分類 / 153
4.2 搜索引擎概述 / 154
4.2.1 搜索引擎簡介 / 154
4.2.2 搜索引擎整體架構(gòu) / 155
4.2.3 常見效果評估指標 / 159
4.3 搜索策略產(chǎn)品經(jīng)理畫像 / 161
4.4 搜索引擎實體識別 / 162
4.4.1 實體識別是什么 / 162
4.4.2 實體體系構(gòu)建 / 163
4.5 搜索引擎詞庫 / 163
4.6 搜索引擎物料索引 / 164
4.6.1 正排索引 / 164
4.6.2 倒排索引 / 165
4.7 搜索引擎查詢語義理解 / 166
4.7.1 歸一化 / 166
4.7.2 糾錯 / 167
4.7.3 分詞 / 170
4.7.4 實體識別 / 174
4.7.5 類目預測 / 175
4.7.6 查詢改寫 / 178
4.8 搜索引擎召回策略 / 178
4.8.1 基本架構(gòu) / 178
4.8.2 文本相關(guān)性召回 / 179
4.8.3 語義相關(guān)性召回 / 181
4.8.4 個性化召回 / 184
4.8.5 效果評估 / 185
4.9 搜索引擎粗排策略 / 185
4.9.1 粗排公式 / 185
4.9.2 分數(shù)融合 / 187
4.10 搜索引擎精排策略 / 188
4.10.1 相關(guān)性排序 / 188
4.10.2 多目標排序 / 188
4.10.3 特征工程 / 188
4.10.4 PageRank算法 / 189
4.11 搜索引擎重排策略 / 192
4.11.1 全局*優(yōu)策略 / 192
4.11.2 用戶體驗策略 / 193
4.11.3 流量調(diào)控策略 / 193
4.12 搜索結(jié)果樣式和創(chuàng)意策略 / 193
4.12.1 樣式策略 / 193
4.12.2 創(chuàng)意策略 / 195
4.13 搜索結(jié)果用戶體驗策略 / 195
4.13.1 產(chǎn)品功能 / 195
4.13.2 底層策略 / 197
4.13.3 主觀評估 / 197
4.14 搜索產(chǎn)品功能 / 198
4.14.1 搜索底紋 / 198
4.14.2 搜索聯(lián)想詞 / 199
4.14.3 搜索導航欄 / 201
4.14.4 搜索發(fā)現(xiàn) / 202
4.14.5 搜索排行榜 / 203
4.14.6 搜索二次篩選 / 204
4.15 多模態(tài)搜索 / 206
4.15.1 以圖搜圖 / 206
4.15.2 識曲搜索 / 207
4.15.3 視頻搜索 / 208
4.16 小結(jié) / 209
第5章 廣告策略
5.1 引入 / 211
5.1.1 廣告基礎(chǔ)入門 / 212
5.1.2 互聯(lián)網(wǎng)廣告概述 / 217
5.1.3 國內(nèi)廣告引擎簡史 / 222
5.2 廣告系統(tǒng)概述 / 224
5.2.1 廣告平臺簡介 / 224
5.2.2 廣告系統(tǒng)整體流程 / 229
5.2.3 常見效果評估指標 / 230
5.3 廣告策略產(chǎn)品經(jīng)理畫像 / 233
5.3.1 廣告策略產(chǎn)品經(jīng)理 / 233
5.3.2 廣告策略產(chǎn)品細分 / 234
5.4 廣告投放策略 / 236
5.4.1 搜索競價廣告 / 236
5.4.2 推薦競價廣告 / 243
5.4.3 智能通投 / 246
5.4.4 合約廣告 / 247
5.5 廣告流量策略 / 248
5.5.1 流量接入 / 249
5.5.2 流量分發(fā) / 250
5.5.3 流量聯(lián)動 / 254
5.6 廣告競價機制 / 255
5.6.1 傳統(tǒng)競價拍賣機制 / 255
5.6.2 廣告競價機制應用 / 256
5.7 廣告出價策略 / 261
5.7.1 基本知識 / 262
5.7.2 手動出價 / 264
5.7.3 智能出價 / 264
5.8 廣告歸因策略 / 274
5.8.1 整體介紹 / 274
5.8.2 多觸點歸因 / 276
5.8.3 跟單設(shè)置 / 277
5.9 廣告創(chuàng)意策略 / 278
5.9.1 創(chuàng)意設(shè)置 / 279
5.9.2 圖片生成 / 282
5.9.3 文案生成 / 285
5.9.4 創(chuàng)意優(yōu)選 / 288
5.10 廣告用戶體驗策略 / 290
5.11 廣告審核策略 / 291
5.12 廣告數(shù)據(jù)管理平臺 / 291
5.13 廣告診斷工具 / 294
5.14 小結(jié) / 296
第6章 工業(yè)界前沿技術(shù)應用
6.1 強化學習 / 298
6.1.1 案例引入 / 298
6.1.2 強化學習概述 / 299
6.1.3 基于價值的強化學習 / 301
6.1.4 實際應用案例 / 304
6.2 聯(lián)邦學習 / 306
6.2.1 聯(lián)邦學習概述 / 306
6.2.2 橫向聯(lián)邦學習 / 307
6.2.3 縱向聯(lián)邦學習 / 309
6.2.4 聯(lián)邦遷移學習 / 312
6.2.5 實際應用案例 / 312
6.3 隱私計算 / 313
6.3.1 案例引入 / 313
6.3.2 隱私計算概述 / 314
6.4 邊緣計算 / 317
6.4.1 案例引入 / 317
6.4.2 云計算概述 / 317
6.4.3 邊緣計算概述 / 318
6.4.4 實際應用案例 / 319
6.5 小結(jié) / 320
1.1 產(chǎn)品經(jīng)理崗位的變遷 / 2
1.2 策略產(chǎn)品經(jīng)理概覽 / 5
1.2.1 策略產(chǎn)品經(jīng)理的具體工作 / 5
1.2.2 策略產(chǎn)品經(jīng)理分類 / 5
1.3 策略產(chǎn)品經(jīng)理的能力要求 / 8
1.4 策略產(chǎn)品經(jīng)理的思維要求 / 9
1.5 互聯(lián)網(wǎng)公司的策略部門 / 10
1.6 小結(jié) / 11
第2章 策略產(chǎn)品經(jīng)理 機器學習知識
2.1 機器學習入門 / 13
2.2 機器學習和AI的關(guān)系 / 14
2.3 機器學習全流程 / 16
2.3.1 問題定義 / 17
2.3.2 數(shù)據(jù)處理 / 19
2.3.3 特征工程 / 21
2.3.4 模型訓練 / 21
2.3.5 模型評估 / 23
2.3.6 模型應用 / 23
2.4 機器學習常見指標 / 24
2.4.1 分類模型離線評估指標 / 24
2.4.2 回歸模型離線評估指標 / 28
2.4.3 聚類模型離線評估指標 / 28
2.5 工業(yè)界常見算法 / 31
2.5.1 邏輯回歸 / 31
2.5.2 K近鄰算法 / 32
2.5.3 貝葉斯模型 / 34
2.5.4 K聚類算法 / 37
2.5.5 決策樹 / 38
2.5.6 深度神經(jīng)網(wǎng)絡 / 43
2.6 梯度下降法 / 50
2.6.1 案例引入 / 50
2.6.2 梯度下降法簡介 / 52
2.7 工業(yè)界算法的選擇 / 54
2.8 小結(jié) / 55
第3章 推薦策略
3.1 引入 / 57
3.1.1 推薦系統(tǒng)應用的標志性事件 / 57
3.1.2 推薦系統(tǒng)興起的原因 / 59
3.2 推薦系統(tǒng)概述 / 60
3.2.1 推薦系統(tǒng)簡介 / 60
3.2.2 推薦系統(tǒng)發(fā)展的4個階段 / 61
3.2.3 推薦系統(tǒng)整體架構(gòu) / 62
3.2.4 常見效果評估指標 / 66
3.3 推薦策略產(chǎn)品經(jīng)理畫像 / 71
3.4 數(shù)據(jù)處理 / 72
3.4.1 常見的底層數(shù)據(jù)表 / 73
3.4.2 數(shù)據(jù)表的加工 / 73
3.4.3 數(shù)據(jù)歸一化和標準化 / 73
3.5 推薦系統(tǒng)召回策略 / 77
3.5.1 3種召回策略 / 77
3.5.2 多路召回架構(gòu) / 79
3.5.3 基于規(guī)則的召回 / 81
3.5.4 基于協(xié)同過濾的召回 / 86
3.5.5 基于向量的召回 / 95
3.5.6 雙塔模型 / 99
3.5.7 召回策略的效果評估 / 102
3.6 推薦系統(tǒng)粗排策略 / 103
3.6.1 基于規(guī)則的粗排策略 / 104
3.6.2 基于模型的粗排策略 / 104
3.6.3 粗排策略效果評估 / 105
3.7 推薦系統(tǒng)精排策略 / 105
3.7.1 學習目標 / 105
3.7.2 算法選擇 / 106
3.7.3 特征構(gòu)造 / 106
3.7.4 特征選擇 / 109
3.7.5 特征編碼 / 112
3.7.6 模型訓練 / 114
3.7.7 效果評估 / 117
3.7.8 模型應用和迭代 / 117
3.8 推薦系統(tǒng)重排策略 / 117
3.8.1 概述 / 118
3.8.2 全局*優(yōu)策略 / 118
3.8.3 用戶體驗策略 / 120
3.8.4 流量調(diào)控策略 / 121
3.8.5 綜合性重排 / 121
3.9 推薦結(jié)果樣式創(chuàng)意策略 / 122
3.9.1 概述 / 122
3.9.2 樣式策略 / 124
3.9.3 創(chuàng)意策略 / 129
3.10 推薦系統(tǒng)用戶體驗策略 / 134
3.10.1 產(chǎn)品功能 / 134
3.10.2 底層策略 / 136
3.10.3 主觀評估 / 137
3.11 推薦系統(tǒng)冷啟動策略 / 138
3.11.1 產(chǎn)品設(shè)計 / 138
3.11.2 底層策略 / 140
3.12 推薦系統(tǒng)的整體推薦機制 / 141
3.12.1 電商推薦場景的流量分發(fā)機制 / 141
3.12.2 短視頻推薦場景的流量分發(fā)
機制 / 142
3.13 AB Test實驗 / 144
3.13.1 AB Test整體介紹 / 144
3.13.2 AB Test實驗完整機制 / 145
3.13.3 實驗效果的可信性評估 / 148
3.14 小結(jié) / 149
第4章 搜索策略
4.1 引入 / 151
4.1.1 搜索引擎的5個時代 / 151
4.1.2 搜索引擎的分類 / 153
4.2 搜索引擎概述 / 154
4.2.1 搜索引擎簡介 / 154
4.2.2 搜索引擎整體架構(gòu) / 155
4.2.3 常見效果評估指標 / 159
4.3 搜索策略產(chǎn)品經(jīng)理畫像 / 161
4.4 搜索引擎實體識別 / 162
4.4.1 實體識別是什么 / 162
4.4.2 實體體系構(gòu)建 / 163
4.5 搜索引擎詞庫 / 163
4.6 搜索引擎物料索引 / 164
4.6.1 正排索引 / 164
4.6.2 倒排索引 / 165
4.7 搜索引擎查詢語義理解 / 166
4.7.1 歸一化 / 166
4.7.2 糾錯 / 167
4.7.3 分詞 / 170
4.7.4 實體識別 / 174
4.7.5 類目預測 / 175
4.7.6 查詢改寫 / 178
4.8 搜索引擎召回策略 / 178
4.8.1 基本架構(gòu) / 178
4.8.2 文本相關(guān)性召回 / 179
4.8.3 語義相關(guān)性召回 / 181
4.8.4 個性化召回 / 184
4.8.5 效果評估 / 185
4.9 搜索引擎粗排策略 / 185
4.9.1 粗排公式 / 185
4.9.2 分數(shù)融合 / 187
4.10 搜索引擎精排策略 / 188
4.10.1 相關(guān)性排序 / 188
4.10.2 多目標排序 / 188
4.10.3 特征工程 / 188
4.10.4 PageRank算法 / 189
4.11 搜索引擎重排策略 / 192
4.11.1 全局*優(yōu)策略 / 192
4.11.2 用戶體驗策略 / 193
4.11.3 流量調(diào)控策略 / 193
4.12 搜索結(jié)果樣式和創(chuàng)意策略 / 193
4.12.1 樣式策略 / 193
4.12.2 創(chuàng)意策略 / 195
4.13 搜索結(jié)果用戶體驗策略 / 195
4.13.1 產(chǎn)品功能 / 195
4.13.2 底層策略 / 197
4.13.3 主觀評估 / 197
4.14 搜索產(chǎn)品功能 / 198
4.14.1 搜索底紋 / 198
4.14.2 搜索聯(lián)想詞 / 199
4.14.3 搜索導航欄 / 201
4.14.4 搜索發(fā)現(xiàn) / 202
4.14.5 搜索排行榜 / 203
4.14.6 搜索二次篩選 / 204
4.15 多模態(tài)搜索 / 206
4.15.1 以圖搜圖 / 206
4.15.2 識曲搜索 / 207
4.15.3 視頻搜索 / 208
4.16 小結(jié) / 209
第5章 廣告策略
5.1 引入 / 211
5.1.1 廣告基礎(chǔ)入門 / 212
5.1.2 互聯(lián)網(wǎng)廣告概述 / 217
5.1.3 國內(nèi)廣告引擎簡史 / 222
5.2 廣告系統(tǒng)概述 / 224
5.2.1 廣告平臺簡介 / 224
5.2.2 廣告系統(tǒng)整體流程 / 229
5.2.3 常見效果評估指標 / 230
5.3 廣告策略產(chǎn)品經(jīng)理畫像 / 233
5.3.1 廣告策略產(chǎn)品經(jīng)理 / 233
5.3.2 廣告策略產(chǎn)品細分 / 234
5.4 廣告投放策略 / 236
5.4.1 搜索競價廣告 / 236
5.4.2 推薦競價廣告 / 243
5.4.3 智能通投 / 246
5.4.4 合約廣告 / 247
5.5 廣告流量策略 / 248
5.5.1 流量接入 / 249
5.5.2 流量分發(fā) / 250
5.5.3 流量聯(lián)動 / 254
5.6 廣告競價機制 / 255
5.6.1 傳統(tǒng)競價拍賣機制 / 255
5.6.2 廣告競價機制應用 / 256
5.7 廣告出價策略 / 261
5.7.1 基本知識 / 262
5.7.2 手動出價 / 264
5.7.3 智能出價 / 264
5.8 廣告歸因策略 / 274
5.8.1 整體介紹 / 274
5.8.2 多觸點歸因 / 276
5.8.3 跟單設(shè)置 / 277
5.9 廣告創(chuàng)意策略 / 278
5.9.1 創(chuàng)意設(shè)置 / 279
5.9.2 圖片生成 / 282
5.9.3 文案生成 / 285
5.9.4 創(chuàng)意優(yōu)選 / 288
5.10 廣告用戶體驗策略 / 290
5.11 廣告審核策略 / 291
5.12 廣告數(shù)據(jù)管理平臺 / 291
5.13 廣告診斷工具 / 294
5.14 小結(jié) / 296
第6章 工業(yè)界前沿技術(shù)應用
6.1 強化學習 / 298
6.1.1 案例引入 / 298
6.1.2 強化學習概述 / 299
6.1.3 基于價值的強化學習 / 301
6.1.4 實際應用案例 / 304
6.2 聯(lián)邦學習 / 306
6.2.1 聯(lián)邦學習概述 / 306
6.2.2 橫向聯(lián)邦學習 / 307
6.2.3 縱向聯(lián)邦學習 / 309
6.2.4 聯(lián)邦遷移學習 / 312
6.2.5 實際應用案例 / 312
6.3 隱私計算 / 313
6.3.1 案例引入 / 313
6.3.2 隱私計算概述 / 314
6.4 邊緣計算 / 317
6.4.1 案例引入 / 317
6.4.2 云計算概述 / 317
6.4.3 邊緣計算概述 / 318
6.4.4 實際應用案例 / 319
6.5 小結(jié) / 320
展開全部
搜廣推策略產(chǎn)品經(jīng)理——互聯(lián)網(wǎng)大廠搜索+廣告+推薦案例 作者簡介
徐修建，前第四范式AI解決方案專家，為國內(nèi)多家大型零售和金融企業(yè)提供過AI咨詢服務，曾為國內(nèi)領(lǐng)先的零售企業(yè)從0到1搭建搜索引擎和推薦系統(tǒng);現(xiàn)為某互聯(lián)網(wǎng)大廠商業(yè)化策略產(chǎn)品專家，負責站內(nèi)推薦廣告投放平臺建設(shè)和流量策略設(shè)計。倫敦大學國王學院數(shù)據(jù)科學碩士，知乎科技互聯(lián)網(wǎng)領(lǐng)域知名博主，人人都是產(chǎn)品經(jīng)理網(wǎng)站專欄作家，公眾號“King James講策略主理人；熟悉搜索引擎、廣告系統(tǒng)和推薦系統(tǒng)的產(chǎn)品技術(shù)體系，擁有豐富的搜廣推領(lǐng)域?qū)崙?zhàn)經(jīng)驗。
書友推薦
- >
月亮與六便士
- >
朝聞道
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮虎
- >
名家?guī)阕x魯迅:故事新編
- >
回憶愛瑪儂
- >
我從未如此眷戀人間
本類暢銷
